(本文作者为 猫头鹰科技社,钛媒体经授权发布)
文 | 猫头鹰科技社,作者|李贤焕
在计算机编程的传统里,新手写的第一个程序通常只做一件事:在屏幕上打出“Hello,World!”。这是人与机器的第一次对话。过去几年,人工智能在数字世界里早已越过了这一步:它能写文章、编程序、回答各种问题。可要让它叠好一件衣服、拧紧一颗螺丝,至今仍不容易。对人来说再平常不过的动作,恰恰是机器最难学会的事情。具身智能要做的,就是让AI理解周围的环境,并通过身体完成实际工作,在物理世界里重新说一次“Hello,World”。
这件事已经不只是机器人行业的事。2026年8月19日,宇树科技在科创板上市;9月28日,芯片公司AMD宣布拟以约82亿美元的全股票交易收购李飞飞参与创办的World Labs;10月21日,特斯拉披露,人形机器人Optimus已在生产线上开始生产,处于早期爬坡阶段。一家机器人公司、一家芯片公司、一家汽车公司,在两个月里先后把筹码押向同一个方向。
它们押注的方式并不相同。有的企业着手扩大产品供给,有的研究能够适应更多任务的模型,还有的希望为整个行业提供计算、训练和开发工具。一个由整机、部件、模型与平台共同构成的产业,正在逐渐成形。
但最容易被看见的进展,往往离真正的门槛最远。一轮融资可以在几周内完成,一条生产线可以在几个月内建成,一段演示视频也可以经过精心剪辑;生产线上的工位却有更具体的要求:动作是否准确,节拍能否跟上,成功率能否稳定,与人工或现有自动化方案相比,是否具有实际使用价值。
2026年,资本和制造扩大了具身智能的产业规模,模型进展也在拓宽机器人能够承担的工作。批量供给已经出现,但更广泛的任务能力和持续使用的需求,还没有与之同步成熟。如何跨越这段距离,决定着资金将流向哪些新方向,企业为何要同时建设模型和生产线,以及中国以目前的产业基础能获得怎样的新机会。
资金涌入,投向开始分化
具身智能融资正在经历规模与结构的双重变化:总量显著增加,智能系统和零部件研发更加活跃,人形机器人赛道的累计投入仍居前列。产业方的加入,让投资与技术、制造和供应更紧密地联系起来。
规模的变化最为直观。按IT桔子统计口径,2025年中国具身智能相关融资共386起,金额464亿元;截至2026年8月20日,融资已达466起,约1245亿元。不足8个月,融资金额达到2025年全年的约2.7倍。与2023年的64起、107.7亿元相比,行业能够调动的研发和产业资源已经进入不同量级(图1)。


图1:中国具身智能融资规模快速增 数据来源:IT桔子
中国也成为全球人形机器人创业的重要资金集聚地。据Dealroom统计,截至2026年7月22日,全球人形机器人赛道相关风险投资约87亿美元,中国企业获得约2/3,美国约占15%。这一统计范围小于全部具身智能,但它清楚地显示了中国在机器人创业与产业投入中的分量。
资金扩张正在为长周期研发提供条件。模型训练、机器人试制、核心部件开发和生产线建设,都需要先于稳定收入投入。对于一个软硬件同时演进的产业,融资增长的意义,是让更多团队有条件把研究推进为产品,也让专业供应商能够提前准备新的技术和产能。
钱的流向,体现行业注意力的转变。按融资事件数计算, 2023年,具身大脑系统获得的融资占国内相关融资事件的25%,人形机器人占34.4%;截至2026年8月20日,两者分别为38.8%和21.1%。智能系统已经成为融资事件更加活跃的方向。市场对机器人的期待,越来越多地落在理解、决策和行动能力上。
金额呈现的是另一面。按同一来源统计,2023年至2026年8月,人形机器人赛道融资约840.5亿元,高于具身大脑的634.5亿元(图2)。与此同时,零部件融资从2024年的5起,增至2025年的55起;2026年前8个月已有53起,金额约96.6亿元。

图2:具身智能赛道融资事件数及金额 数据来源:IT桔子
这几组数字呈现出一种更有层次的格局:整机研发和制造积累了大额投入,智能系统与上游部件的融资也更加活跃。资金开始覆盖更多技术问题,让机器人理解环境、完成精细操作、获得可靠部件,都成为能够吸引投入的研发方向。
另一项变化,是产业方越来越深入地参与其中。汽车、互联网和计算企业已经拥有制造体系、技术积累与业务网络,具身智能为这些资源提供了新的使用方向。例如2026年8月,小鹏公布的机器人业务首轮融资安排中,有腾讯、阿里等外部产业方参与。这类投入体现了已有产业对新业务的探索,也使机器人创业与成熟企业的资源发生联结。
在上游,这种联结有时更加具体。例如2026年4月,六维力传感器企业蓝点触控完成C+轮融资,宁德时代旗下溥泉资本及智元、银河通用等参与。按照蓝点披露,后两家此前已是客户,此次进一步成为股东。采购关系延伸为股权关系,意味着产业方开始以更长期的方式参与关键技术供应。因此,这一轮融资增长同时带来了产业关系的变化。整机公司、专业供应商与已有科技企业,都在寻找自己能够持续创造价值的位置。资本支持的范围越广,行业就越有机会形成细致的分工。但融资反映的是对未来的预期,这些预期最终要靠机器人在真实任务中的持续表现来兑现。
智能能力向多任务延伸
运动控制的明显进步,为机器人完成复杂工作提供了更好的身体基础;感知、规划与学习方法的演进,则使这些能力能够协同起来,服务于更多任务。
运动能力的变化,已经有了公众能够直观看见的呈现,2026年7月的机器人世界杯国际赛、2026年8月在北京举行的第二届世界人形机器人运动会,让机器人走上了足球场和田径赛场,它们肉眼可见地跑得更快、跳得更高,成为观察运动控制、感知与身体协调进展的窗口。
一线研究者对这种进步有更深的感受。上海人工智能研究院首席科学家闫维新在采访中谈到,2025年—2026年机器人运动能力的提升明显超出他的预期。强化学习与模仿学习的引入,扩展了运动控制的方法,机器人能够通过训练找到传统方法较难获得的动作方案。在他看来,机器人能够调整到更多姿态、完成更复杂动作,为今后操作能力的提升提供了重要基础。
这类能力也正在被更多团队获得。国家地方共建人形机器人创新中心(以下简称“国地中心”)技术总监邢伯阳在采访中提到,开源算法和强化学习工具使开发者更容易在已有基础上训练、改进运动策略。运动控制的进步,因此既表现为头部机器人的突出动作,也表现为更多团队能够参与开发。
不过,“重要基础”还不是能力本身。在赛场上跑跳,主要考验身体如何控制自身;在工位上拧螺丝、插接零件,则要求机器人对外部物体施加准确的力,并在接触中不断做出调整。运动能力的进步,并不会自然转化为精细操作的成熟。
身体控制能力的提高,也为移动与操作的结合创造了更好的条件。机器人走到桌边拿起物品,再放到架子上,需要将指令理解、空间判断与身体控制组织起来。身体移动、调整姿态和手部操作服务于同一项任务,能够拓宽机器人在现实空间中的工作范围。例如2026年7月,谷歌旗下的人工智能研究机构Google DeepMind发布Gemini Robotics 2,将全身移动操作、精细操作和多机器人协作纳入同一轮更新,展示了这一方向的探索。
与此同时,研发者也在改变向机器人交代任务的方式。如果每增加一项工作,都需要重新采集大量示范数据、训练专用模型,能力的扩展成本就会大幅上升。利用已经学到的知识理解新的示范,是减少这种开发负担的一条路径。
2026年8月18日,美国机器人基础模型公司Skild AI公布了S1模型的操作实验:在预训练基础上,机器人以一段视频示范为提示,尝试完成此前未训练过的工作,无须针对每项新任务再微调模型。公司展示的任务包括盆栽种植和手冲咖啡。它提供了一个具体例子:研究者正在探索让机器人从示范中理解目标和步骤,使增加任务的过程更接近交代工作。
理解新的示范,依赖模型此前积累的经验。怎样获得足够丰富的训练材料,也因此成为研发的重要问题。人类活动包含丰富的操作经验,数字环境能够提供反复练习的机会,研究者正在尝试结合人类视频、仿真和真实机器人数据。除了积累操作经验外,研究者还希望让模型理解环境及其变化。受到广泛关注的世界模型,正在为此探索新的方法,为空间构建、模拟和行动决策提供帮助。
例如:World Labs在2026年9月发布Atlas,探索空间生成、重建与模拟;智元于2026年9月发布GE-Act 2.0,将未来视觉状态预测与动作生成共同训练。两者处理的问题不同,但都在尝试让环境知识更直接地参与机器人的学习与行动。
从身体控制到任务协同,再到学习新工作的方式,机器人的能力正在多个层面增长。而一旦进入真实生产,衡量能力的标准就变了。从实验室里的“完成”,到真实工位上的“胜任”,仍隔着一段需要逐项验证的距离。
从批量供给走向实际使用
具身智能的产品供给正在扩大,但能够批量制造、实现商业交付和在真实场景中持续创造价值,是三个不同的阶段。目前,制造能力的进展相对清晰,实际应用的可靠性、经济性和可复制性仍需要更多验证。
制造首先改变了新技术进入市场的条件。机器人从样机走向批量产品,需要解决装配、供应稳定性、质量一致性和维护等一系列问题。生产体系逐步建立之后,研发团队、行业客户和开发者才能获得更多可供使用的设备。
智元2026年6月公布累计15 000台机器人下线,2026年9月又公布累计20000台下线;特斯拉的Optimus则在2026年三季度披露中称,已进入生产线早期爬坡阶段。两者的产品范围与发展阶段不同,但都表明企业正在为持续供给做准备。模型与硬件仍在迭代,制造能力的建设已经同步展开。供给的变化还体现在制造方式上。具有精密制造经验的大型企业开始参与机器人硬件生产,为研发团队提供更多专业配套。例如蓝思科技在2026年半年报中披露,灵巧手、关节模组及整机组装相关产品已实现批量交付。原有制造能力正在进入新的产品领域,机器人企业组织生产的选择也随之增加。
本期访问同样印证了这一变化。邢伯阳提到,轻载人形机器人已有成熟的设计制造方案,关节电机的选择也更加丰富,部分机型的构型正在趋同。松应科技创始人兼CEO聂凯旋则从算法开发的角度强调,专业制造与批量生产有助于改善设备一致性,使同一套算法更容易在多台机器上复现。现成部件、设计方案与制造服务的增加,让团队有机会减少逐件开发、逐台调试的工作,把更多精力投入自身产品。
早期购买者也各有需求。科研机构需要研究平台,开发者需要测试新模型的设备,展示、教育和数据采集同样能够形成市场。这些需求支持了产业起步,并扩大了参与研发的人群。而生产和服务领域则开始提出另一类要求:机器人要在具体工作中持续创造价值,并使客户愿意进一步扩大使用。需求的差异,也解释了为什么具身智能会出现多种产品形态。双足人形有机会适应为人设计的空间和工具,轮式系统适合在某些移动条件下工作,双臂和协作机器人则能够延续既有工业经验。移动范围、操作难度和成本要求不同,产品的选择也就不同。智能能力提升后,机器人可以通过多种身体形态进入现实工作。
协作机器人企业节卡机器人在既有产品基础上布局移动和双臂产品,体现了这种延伸。工业现场的一些加工流程已经高度自动化,来料、拆包、选配和转运却仍有大量变化。更强的感知、理解与操作能力,使自动化有机会覆盖这些环节。已有设备与工业经验,也为新能力进入现场提供了基础。购买一台机器人,持续使用它,根据使用效果扩大采购,是不同的阶段。随着更多产品进入现场,企业得以逐步确认哪些能力真正被需要,哪些设计能够复制,哪些服务值得客户长期付费。这一过程将使研发和市场更加接近,也让行业从产品供给的增长,进一步走向需求的扩展。
向更完整的产业能力延伸
中国已经具备较强的机器人产品供给和制造配套能力,模型、开发工具与专业分工的推进,正在扩大这一优势。 中国在具身智能行业中的位置,要从这些能力的结合中理解:已有工业积累为新产品提供支持,新一轮智能技术又让原有制造体系获得更大的发展空间。
这种基础首先体现在产品供给上。赛迪传媒与《中国电子报》联合编撰的《2025年人形机器人市场研究报告》显示,2025年中国人形机器人出货量约1.44万台,占全球84.7%。这一份额对应的是人形产品出货,足以显示中国在行业起步阶段已经形成的供给规模。
规模背后,是多年积累的工业条件。新能源汽车、工业自动化与高端装备制造,与机器人所需的精密加工、执行部件、传感器和系统集成存在广泛联系。新企业可以在已有供应网络中寻找试制和量产伙伴,研发团队也能够更接近制造与使用现场。一次设计修改能否及时得到加工支持,一个部件能否稳定供应,都会影响产品迭代的速度。
更深一层的竞争力,来自制造知识的积累。精度如何保持,使用寿命如何延长,批量生产如何兼顾良率和成本,都需要长期的工艺经验。对中国企业而言,既有工业体系的价值,在于能够把这些经验带进新的产品研发。围绕机器人提出的新要求继续改进,也让原有制造企业获得了技术升级的机会。
智能能力则打开了另一层空间。中国企业已经在本体、运动控制、基础模型和开发平台上同时投入。宇树上市时披露,四项募投计划中金额最大的是智能机器人模型研发,约20.22亿元;智元也在推进与自身产品相关的动作模型。整机公司建设模型能力,意味着它们正在争取决定机器人工作范围的核心技术。产品为算法研发和能力验证提供载体,模型进展又让同一类设备尝试更多任务;能够同时调整硬件、控制与模型的企业,就有条件围绕实际工作优化整个系统。
与此同时,软件供给的组织方式仍在形成。整机企业自研平台,专业模型公司探索让模型适用于不同机器人,工业软件和互联网企业进入开发工具与基础平台,科研机构和开源社区提供共性技术。目前尚未形成稳定的行业分工:哪些能力由整机企业自行建设,哪些可以交给专业供应商,哪些适合通过开放平台共同开发,仍有很大的探索空间。
几条路径各有取舍。整机企业自研,模型能够与硬件、数据紧密配合,但需要承担较高的自主研发成本。专业工具和模型供应商希望多家企业共用同一套能力,前提是不同机器人的接口与数据具备一定的兼容性。与已有制造企业合作,可以借用成熟的量产和交付体系,但双方需要在工艺和节拍上磨合。开放的共性平台有望降低部分研发环节的进入门槛,但哪些能力适合共享、由谁持续投入,仍需要探索。
具身智能能否跨越产业之门,不仅取决于单项技术的突破和产品规模的扩大,更取决于智能、硬件、数据、制造与具体需求能否被组织成可靠、可持续的应用体系。
更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App



